基于水文大數據分析技術的洪澇災害預警系統設計

翟思貝，范海玲，楊 波

(1.菏澤市水文中心，山東 菏澤 274000；2.聊城市水文中心，山東 聊城 252000；3.山東省調水工程運行維護中心東營分中心，山東 東營 257300)

洪澇災害一直是我國高發災害之一，對經濟發展有著重要影響。從自然環境來看，我國降雨氣候異常，全國降雨量并不均衡，經常出現部分地區集中降雨且降雨量變化幅度較大，造成短時間內大量積水。此外，自然條件與社會經濟條件的限制也會導致一定的積水無法及時排出，長久聚集很有可能損毀房屋、農田、堤壩以及其他公共設施?？梢哉f，洪澇災害不僅會直接導致國家和個人的經濟財產損失，更有可能致使人員傷亡，嚴重影響人們的正常生活。因此，為了有效減少和避免洪澇災害造成的損失，需要建立行之有效的洪澇預警系統，讓有關部門及時了解災情，同時采取有效措施[1]。

洪澇災害作為水文災害的一種，需要通過水文大數據有效預測[2]。目前，國內外學者已經對洪澇災害以及相關水文數據的分析展開了研究。其中美國PRICE公司最先提出了水文可視化數據的設想，其核心理念就是借助數字城市與數據分析捕捉等概念，建立完整的信息化水文數據分析平臺，幫助城市進行洪澇災害管理；MADHURI等人則提出了水文地理信息系統的構建模板，該模板將水文地理信息系統與全球定位系統結合，通過引入實時水文評價指標，直接獲取水文脆弱性危害程度。而我國近年來對于洪澇災害預警系統的建設，則更多依托于水文大數據的分析。21世紀以來，我國對于水文數據的研究先后形成了3種模式。①暴雨預警，早在2006年，我國氣象局就正式頒布了3級預警制度，用于分析表述降雨情況，預警洪澇風險；②生態系統成災極限分析模板，該分析模板主要用于統計風險指數以及對應的成災損失；③洪水成災過程數據分析，該方法是近年來水文數據研究的核心，主要是將空間地理信息和模擬技術相結合，構建真實的預警系統[3-4]。

本次研究立足于國家對于洪澇災害預警系統的工作需求，對傳統仿真模擬系統進行積極改進，通過多種水文數據分析模型構建了新的洪澇災害預警系統，以提高其風險適應性以及準確程度[5]。

1 洪澇水文數據風險分析

洪澇災害涉及的水文數據分析中，主要有3個核心數據點：超限水量評估、流域水文淹沒分析以及災害損失評估等。因此本次研究首先通過GIS空間分析技術，獲取一手的水文數據信息，通過不同的數據分析模型，建立水文數據風險分析體系，以區域雨量為數據輸入，評估綜合風險性，進行風險預警[6]。

1.1 超限水量評估模型

超限水量評估模型主要用于分析指定地區的極限承水量，其核心算法就是該流域常規降雨水量減去流域承載的極限水量差值。其技術評估流程如圖1所示。

圖1 評估流程

Qover=Qrain-Qcap

(1)

式中，Qrain—地表降雨總量；Qcap—流域承水極限。

1.1.1流域地表降雨量

該降雨量一般需要通過地表水文分析模型以及相關的數據指標完成估算。由于地表水文模型參數數據過于龐大算法復雜，對于系統軟硬件的運算效率要求較高，所以本次研究需要對其進行簡化，并設計相應的簡化模型[7]。地表產水量數據估算公式為：

Qrain=10-2(P-L)A

(2)

式中，P—分析區域的降雨總深度，mm;L—流域降雨的一般損失程度，mm;A—分析區域的總面積，km2。

1.1.2流域承災極限評估

國內部分研究專家提出，超限水量的評估，可以引入區域承受的最大水量以及淹沒時間，同時也需要分析流域自身的條件包括蓄水能力、電排能力、空間分布等。通過綜合考慮承災體制環境，本次研究主要根據承災環境的極限水量值，將承災極限定義為最大適用性水量Qcap，其計算方法為：

Qcap=Lcap+Rcap+Dcap

(3)

式中，Lcap—分析區域的最大蓄水量；Rcap—相應的河網蓄水量；Dcap—應有的排洪能力。

1.1.3水量時間分配值

該值主要為不同時間段內，流域降水的地表生產水量，可以通過領域極限水量和超限水量的評估進行模擬分析。

1.2 流域水文淹沒分析

洪水淹沒的行為可以近似地看作是一種動態的行為過程，傳統分析策略主要是通過二維分析系統對水文規律進行模擬演進[8]。這種分析策略需要較大的運算量，一般的系統硬件條件很難滿足，所以本次研究采用多維空間分析構圖，建立數據分析模型。

領域水文淹沒的數據分析可以包括3個方面:洪水淹沒范圍的評估、洪水淹沒時間的評估、洪水淹水深的評估。

1.2.1洪水淹沒范圍數據分析及水深評估

洪水淹沒的過程一般是由洪水超限水量引發的，因此本次研究分析需要以降水或者洪水總量為輸入值，分析計算洪水涉及范圍以及對應的水深，其具體方法如下。

首先需要不斷獲取水位分析數據，提取對應淹沒領域的容積以及超限洪水水量。采用二分逼近算法，可以提取到洪水水量的直接容積，再根據對應范圍提取相應的水深分布區域，通過區域采集以及GIS空間網絡數據模型計算：

(4)

式中，H—洪水定位水位；hi—淹沒的單元過程；ai—淹沒單元格的實際面積；n—淹沒單元格聯通數量。

根據二分逼近算法構建收斂函數：

(5)

根據式(5)可以確定，F(H0)=Q，其中H0為高程指數。

1.2.2洪水淹沒時間的評估

將研究的流域設定為獨立的水文系統，降水作為洪澇災害的核心指標，此時評估計算方式如下：

(6)

式中，Dt—目標區域的水流面；t—雨后水淹時間。

1.2.3洪水淹沒水深的評估

針對洪澇災害的水深評估，可以采用GIS空間分析技術，基于洪水淹沒的空間范圍和水深評估模型，建立對應的時間系，完成數據模擬。

1.3 災害損失數據分析

本次研究的災害損失風險評估范圍，需要依靠上述領域水文淹沒分析數據以及目標地社會經濟發展數據輸入為基礎，用于評估范圍損失的詳細數據。具體方法就是通過數據篩查采集樣本區域社會信息，利用空間柵格模型分析空間展布距離，將距離數據與洪澇區域的淹沒范圍疊加，就可以獲得相應的范圍影響數據[9]。

1.3.1分析區域的經濟空間展布

當前，我國的空間經濟發展單元統計指標包括人口、農作物、經濟作物、社會經濟指標等。一般情況下，在數據分析單元中，其數據比重并不均勻，所以無法通過數據迭代直接評估財產損失。對此，本文通過數據空間分析策略，將不同的承災信息行政單元進行空間展布，擬合不同的承災信息空間矩陣[10]。

空間矩陣的擬合需要不同的數據信息分布以及對應的土體類型數據假定。模擬假定策略如下：

首先通過遙感數據提取目標區域土地的分布數據。具體做法是通過數據影響的預處理，利用人工編譯策略完成土地利用分類，包括受洪澇災害影響的人口評估、房屋農作物以及區域經濟作物指標分析，見表1。

表1 土地統計類型指標體系

其次是對目標形成土地信息進行統計，需要將不同區域的圖集進行疊加，構建適量圖層，獲得不同區域的土地整理信息以及面積信息，主要的計算公式為：

(7)

式中，aij—行政區內的土地利用情況；i，j—不同地塊。

最后是社會經濟信息的統計，本次研究需要將行政區域的單元人口、房屋以及土地利用類型的分布密度估算出來。為了簡化計算，模擬數據均值化分布，指標密度估算公式為：

(8)

式中，Iij—當前編號為j的土地對應的指標統計量；Aj—土地的總面積。

1.3.2災害風險評估

本次研究的數據分析需要整體采用代數算法，通過GIS數據將淹沒的信息圖層以及對應的社會經濟信息圖層疊加，評估人口以及房屋作物的損失風險情況，從而實現數據風險輸出預警。

以淹沒范圍一項為例，需要首先提取各個區域的土地類型面積，以人口、房屋、農作物以及GDP分布密度評估洪水損失風險，具體評估策略為：

(9)

式中，Pj—分析區域的承災影響量；Aij—洪水淹區域的承災面積；Dij—洪水承災分布密度。

2 基于分析技術的洪澇預警系統設計

洪澇災害預警系統設計的核心就是借助數據與上述分析技術，依托于網絡基礎平臺以及智能機制，通過大數據的挖掘、計算、傳輸、處理，實現數據圖形圖像的真實映射，最終達到防災目的。

2.1 系統結構設計

本次研究的預警系統整體結構如圖2所示。包括遠程控制中心、傳輸節點以及土地環境數據。相關數據需要借助數據傳輸處理器、采集器以及傳感器等系統設備，通過數據信息的采集計算傳輸實現預警目的。控制中心則負責采集信息的分析處理，根據信息特征發布對應的預警指令。

圖2 系統結構設計

圖形傳輸方面，本次研究采用高清視覺節點，由電源配置器集中供電，通過高清電子眼以及相應的數據處理芯片，提高數據圖形的分辨力，同時增強補光能力。后臺操作運算機制依靠衛星電機持續穩定測算，所有的視覺節點信號可以通過圖像信息的傳輸節點，遠程傳輸到控制中心，高清節點實物如圖3所示。

圖3 高清節點實物

為了實現數據采集傳輸的準確性，各個數據節點均設置了對應的傳感器。特殊環境結構的傳感器由抗腐蝕塑料組成，重量一般不超過1kg。通過紫外線能源板持續供電，同時還設有后備電池作為儲備電源。如圖4所示。

圖4 節點傳感器實物結構

2.2 系統監測執行設計

軟件系統功能與執行設計需要立足于系統管理和用戶2個層面。

(1)數據搜集與處理分析。包括整理和搜集相應的洪澇災害數據，按照系統要求存儲到數據庫內，執行相應的算法完成數據處理并搜集相應的洪澇災害危險等級數據，包括降雨量、降雨次數以及積水程度等。

(2)數據可視化管理。系統分析和整理后，通過后臺運行數據，將其轉化為圖表、線框以及相應的信息集合，方便使用人員及時理解數據預警信息。

(3)數據信息預報發送。將數據整理與可視化操作以后，將其發送給每一位用戶。每一個用戶均可以通過數據客戶端賬號登錄并查詢當前的預警信息，準確采取措施。

3 案例研究

以山東為例，演示系統對于洪澇災害的預警。數據處理包括以下步驟。

(1)數據預處理。數據預處理包括數據清洗、數據轉化、數據抽取以及數據合并計算。首先設定數據空間域，提出異常值、重復值以及缺失值。然后對每年的水文信息以我國平均水文指數為基礎，實現數據轉化，指數域為0～1，然后隨機抓取對應數據，共12項，其中10項為基礎數據，2項為備用數據，將所有數據項再次整合計算，提取相應的數據庫。

(2)數據分析與展現?；谏鲜鰯祿?，進行數據分析挖掘，實驗以Ansys14為基礎，結合Excel的數據透視表，實現數據分析整理。展現包括數據圖表的制作校對，主體表達、圖表制作以及后續校驗(篇幅原因以下僅展示數據結果)。

為了能夠使實驗數據統一，本文對實驗中的相關信息數據設定參數單位，見表2。

表2 信息數據參數單位設定

通過數據可視化以及轉換技術通過圖表讓用戶更容易理解數據意義，可以通過實時影響分析數據含義完成監控。

本文系統應用高清電子眼進行目標區域的表面環境信息進行視頻監測，如圖5所示。

圖5 實時監測情況

通過模擬分析數據以及流域大背景數據分析，可以獲取水量數據以及安全水量，再根據計算設定風險區域，并將高程水位提取出來，作為核心輸入重點。如圖6所示。

圖6 數據顯示

根據數據分析的風險區域劃分可以看出，目標地區的洪澇災害主要分布于北部和東部地區。有關部門可以根據當前的數據信息完成災害預警并進行轉移安置，同時此類信息也可以為后續的災害救援提供一定的參考。

4 結語

本次研究的洪澇災害預警系統，通過水文數據分析以及后續的數據可視化技術以及圖像分析映射處理，可以實現洪澇災害的數據信息傳遞和災害預警。通過對山東地區歷史數據區域的推演可以生成洪澇災害風險等級的示意圖。有關政府部門可以通過預報結果對洪澇災害提前預測并處理。

本次系統的不足之處在于數據處理上還需要進一步提高數據準確性，構建數據規范模板以及各類型指標，進一步升級數據分析模型，確定一整套洪澇災害預警體系，支撐后續的系統數據輸出。